FCM-HMM-SVM混合故障诊断模型及其在电力电子电路故障诊断中的应用

提出一种基于模糊C均值聚类（FCM）、隐马尔可夫模型（HMM）和支持向量机（SVM）相结合的电力电子故障诊断方法.采用FCM方法对故障信号进行模糊聚类,提取故障特征;根据隐马尔可夫模型进行动态过程建模;根据支持向量机进行模式分类;基于HMM-SVM混合的故障诊断模型实现了对机车变流器电路中晶闸管断路故障的诊断.实验结果分析表明,该方法能准确地对电力电子电路进行诊断和故障元定位,诊断精度高,具有很好的实用价值.     

在线飞行器预测系统的更新模型

此研究的目的是开发用于飞行器在线健康监测和预报（对部件或系统剩余寿命的预报）的程序。与此项目相关的研究领域涉及以传感器为基础的故障诊断，融合了不确定性的退化模型、管理和演变，模型的自动更新，以及实际的考虑事项，如减少数据量和存储需求等。此项目唯一的特定应用是故障模型和诊断信号处理。     

基于贝叶斯优化XGBoost算法的变压器故障诊断

为提升对高能放电等小样本故障诊断的敏感度，提出基于贝叶斯优化极端梯度提升算法（BO-XGBoost）的变压器故障诊断模型。分析了贝叶斯优化XGBoost算法的基本原理和基于该算法进行变压器故障诊断的流程，选取259组故障样本，探讨了该模型的具体应用，并将其与XGBoost、支持向量机（SVM）、随机森林（RF）、K邻近法（KNN）等模型进行对比。结果表明，BO-XGBoost模型在变压器故障诊断中的精度为98.08%，比前述模型的诊断精度分别提高了5.77%、27.42%、22.58%、19.5%。     

基于DCM-PCA和GA-BP的逆变器故障诊断

针对光伏并网三相电压型逆变器开关管的开路故障,提出深度级联模型（deep cascade mode,DCM）-主成分分析（principal component analysis,PCA）与遗传算法（genetic algorithm,GA）优化的BP神经网络结合的故障诊断方法。首先对逆变器的开路故障进行分析和仿真,确定三相电流作为故障信号,选择22类故障状态作为诊断对象,通过以稀疏表示分类（sparse representation based classififier,SRC）为基本操作单元的深度级联模型提取故障特征,DCM根据层次学习特性将故障特征分层,再由SRC部分得到不同故障的编码系数,并采用t分布—随机近邻嵌入（t-distributed stochastic neighbor embedding,t-SNE）方法验证了DCM具有较好的特征提取能力,通过PCA降低故障特征的冗余度、保留有价值的主成分提高网络映射能力,最后将故障特征向量作为GA-BP神经网络的输入信号实现对故障的诊断识别。通过仿真实验得到该方法的故障诊断准确率为95.64%,与DCM-PCA-BP、FFT-G...     

PLS质量监控及其在Tennessee Eastman过程中的应用

研究质量监测在部分最小二乘（PLS）框架下的可检测性问题，并给出一种新的主成分确定方法。根据故障子空间和变量的显著性测度确定不同故障对质量的影响力，定义最优检测函数，进而建立PLS最优检测模型（ODM），使模型对严重影响产品质量的重要过程故障具有最优检测能力。以Tennessee Eastman（TE）过程为案例进行统计质量控制研究，结果表明此方法对重要过程故障的敏感性很高，有助于及时采取补救措施，稳定产品质量。     

复杂动态系统的实时故障检测与诊断

分析了复杂动态系统实时故障检诊的特点，提出了一套综合检诊策略，具有的特点是：（１）包含检诊方法和检诊过程控制两方面的内容；（２）提出元件模态转变的单向性假设以代替常用的诊断过程中元件模态不变的假设；（３）基于人工智能一致性基础检诊理论形成检诊方法的基本框架，信息处理检诊算法以推理机形式嵌入该框架；（４）主要使用系统正常模型知识，系统故障模型知识作为必要的补充，针对一定的飞控系统模型进行了仿真，验证了以上检诊策略的有效性。     

基于SOFM网络的雷达装备智能故障诊断

针对雷达装备故障特征,采用自组织映射（SOFM）神经网络构建雷达装备故障诊断模型,通过网络学习,获得可视拓扑映射图,并采用映射图对典型雷达电子装备故障进行了诊断.结果表明：该故障诊断模型具有较高的诊断准确度,具有故障诊断可视化,为雷达装备故障诊断研究提供了新的有效方法.     

基于RS-ANN的汽车发动机故障诊断分析

利用粗糙集理论对知识的约简能力及神经网络的分类能力,构建粗糙集-神经网络（RS-ANN）故障诊断组合模型;并将该模型应用于汽车发动机故障数据进行实例验证,该模型诊断速度快,故障诊断正确率高.     

高炉炉况模糊诊断专家系统的研究

针对高炉炉况预测及故障（炉况异常）诊断问题，运用模糊数学方法，给出了一种模糊炉况预测数学模型。并以此数学模型为基础，基于人工智能理论，结合专家系统和模糊数学，提出模糊诊断与情景诊断相结合的炉况异常诊断方法。     

面向电力变压器油中溶解气体的卷积神经网络诊断方法

油中溶解气体分析法（Dissolved Gas Analysis,DGA）是判断变压器内部故障的重要方法之一。针对传统基于浅层的机器学习方法在变压器故障诊断中存在的特征提取和泛化能力方面的不足,提出了一种基于卷积神经网络的变压器故障诊断方法。利用网络中的卷积层对油中溶解气体进行特征转换,结合池化层强化重要特征的能力,对故障敏感特征进行提取。通过实验研究了卷积核数目、卷积核大小、池化层、网络深度对模型诊断性能的影响。通过混淆矩阵、ROC曲线和PR曲线对比分析了卷积神经网络模型、支持向量机(Support Vector Machine,SVM) 模型、BP神经网络(Back Propagation Neural Network,BPNN)模型。实验结果表明,卷积神经网络模型的诊断性能更为优秀。     

基于模型预测方法的电网故障预测

电网诊断通常都是故障发生后,根据故障后产生的信息来推断故障。为了能在故障发生前进行预防,提出模型预测(ModelPrediction,MP)和溯因推理网络(AbductiveReasoningNetwork,ARN)方法预测电网故障。模型预测利用电力系统中历史数据来预测电网无故障运行时的数据,与电网实际运行时的数据作对比,计算差值,差值作为诊断系统的输入;溯因推理网络能够处理预测数据和相应的候选故障之间的复杂关系,被用来构建故障诊断系统。模型预测和溯因推理网络方法相结合,能在保护装置和断路器动作前进行故障定位,具有故障预警功能。仿真结果表明,溯因推理方法构成的预测系统比神经网络方法构成的预测系统诊断结果更快、更准确。     

基于信息熵和SVM多分类的飞机液压系统故障诊断

飞机液压系统是典型的非线性系统,故障机理复杂,提取故障信息困难,且故障样本较少。针对飞机液压系统部件故障,文章采用了基于信息熵特征权值分配和支持向量机(SVM)多分类的故障诊断方法。先提取飞机液压系统压力信号的统计特征,然后通过计算特征信息熵为特征分配相应权值,将权值较大的特征作为支持向量机的输入向量,最后建立SVM多分类器将正常与多种故障状态进行分类;所采用的方法不仅有效降低了支持向量机模型的计算复杂度,而且提高了分类精度。通过建立飞机起落架收放系统仿真模型,对该故障诊断方法进行了验证研究。仿真结果表明,该方法选用高斯径向基核函数能够有效对液压系统进行故障诊断。     

基于贝叶斯网络的土石坝可靠性分析

提出采用贝叶斯网络方法来分析大坝的可靠性问题．首先简要地介绍了贝叶斯网络方法的基本原理和建模方法，将贝叶斯网络方法和故障树方法进行了比较，并给出了故障树向贝叶斯网络转化的基本步骤．定义了贝叶斯网络中节点的重要度因子，并给出了相应的计算公式．最后以土石坝为例，根据土石坝的失效机理建立了土石坝可靠性分析的贝叶斯网络模型，并对溃坝原因进行了重要度分析．结果表明，贝叶斯网络能够有效地进行大坝可靠性分析，它能够更直观地表示大坝失事的因果关系，且贝叶斯网络能够方便地解决共因失效问题．故障树可以方便地转化为相应的贝叶斯网络模型．贝叶斯网络节点的重要度分析结果为制定有效的大坝失事概率控制措施提供了理论依据．     

故障信号随机发生的故障依赖检测方法

主要研究一类具有随机故障发生的离散时间系统的故障检测问题, 提出了一种故障依赖方法。首先构建一种数学模型来描述上述问题, 将故障信号的特征转化为含有不确定性的矩阵。通过构造一个故障检测滤波器作为残差发生器, 将故障检测与隔离问题转化为H_∞滤波问题。基于所建立的模型, 通过采用故障依赖的方法对 H_∞性能进行分析, 选用参数依赖的李雅普诺夫函数进行处理。在此基础上, 以线性矩阵不等式的形式给出故障检测滤波器的存在条件。最后通过实例验证理论结果的有效性和实用性。     

基于阶次小波包与Markov链模型的转子早期故障诊断

针对转子启动过程中振动信号表现为非平稳、非高斯特征及传统诊断方法精度不高的现状,将阶次小波包和Markov链模型引入转子的早期故障诊断中,提出了一种新的自适应故障诊断模型。首先利用阶次跟踪算法对瞬态振动信号重采样,得到等角度分布诊断信号;其次采用小波包对该信号分解——重构,提取其在各频带的能量特征向量,通过Markov链模型对其进行预测;最后通过故障实例验证,结果表明:将阶次小波包变换和Markov链模型相结合进行故障诊断是可行而有效的。     

一种窄线间距平行双回线的单端电流选相原理

窄线间距平行双回线的线间互感明显,某些故障情况下会影响传统保护的正确动作,并且其上可能的故障类型繁多,利用传统单端单回线电气量难以可靠选相。论文研究了此类双回线线间互感大小与相间互感接近的特点对故障下线路单端各相序电流的影响,根据其故障电流的特征提出了一种新的单端电流选相原理。该原理利用单端6个相序电流的故障分量进行选相,先通过同名相和电流选定故障相别,再比较各故障相的同名相电流选出具体的故障相序。可对平行双回线的各种单回线和跨线短路故障进行选相,选相原理简单,逻辑清晰可靠,且不受负荷电流影响。ATP-EMTP仿真结果表明,该方法能够对窄线间距双回线80%范围的单回线及跨线故障的可靠选相,可作为保护I段的选相判据。     

小波分析在输电线路故障检测中的应用

当输电线路发生故障时,准确、及时地切除故障是减少经济损失最直接的措施.小波变换具有良好的时频局部化特性,能准确定位信号的奇异点,因而在故障检测方面有广泛的应用价值.利用小波变换模极大值原理对线路故障信号的奇异点进行检测,并应用MATLAB进行了仿真研究,仿真表明该方法在输电线路发生故障时能快速准确地检测到故障点.     

基于脉冲注入的输电线路故障测距法

在故障线路的始端或末端注入脉冲信号并记录脉冲的波形,通过对波形的分析计算实现故障定位。对永久性接地故障,该方法可实现故障选相并进行定位。仿真表明,该方法不受系统阻抗及过渡电阻的影响,具有很高的精度。     

基于虚拟仪器的纸机轴承故障诊断系统的开发与研究

介绍了基于虚拟仪器的纸机轴承振动监测与诊断系统开发的原理、方法，初步开发了针对纸机滚动轴承的故障监测与诊断系统，井将虚拟仪器测试技术引入纸机的故障监测与诊断之中，应用实例表明该系统能对滚动轴承振动信号进行时域波形监测、功率谱分析等，并能精确定位故障源，系统有助于提高纸机故障监测与诊断水平。     

组合导航系统故障检测方法研究

针对传统的多导航源组合导航系统难以有效解决系统故障检测的问题,通过对卡尔曼滤波器中的残差进行分析,提出了一种新的故障检测方案,该方案有效利用了残差x2检测优点,可实时检测出系统故障。仿真结果表明,该方案故障检测率高,计算量小,整体算法实现简便。本方案已应用于实际工程中。